anticache

Roborace: TUM gewinnt Human + Machine Challenge

11.06.2018

Wie gut kann Künstliche Intelligenz ein Rennauto fahren? Forscherinnen und Forscher der Technischen Universität München (TUM) haben sich dieser Herausforderung bei der Formula-E in Berlin gestellt. Ihre selbst entwickelte Software steuerte das Elektroauto DevBot von Roborace.


Elektroauto DevBot mit Fahrer

Das Elektroauto DevBot mit Fahrer (Bild: Roborace)

Elektroauto fährt autonom bei Rennen der Formula-E

Das Elektroauto fährt autonom bei Rennen der Formula-E in Berlin (Bild: Roborace)

Autonom fahrende Autos mit Elektroantrieb, die gegeneinander im Rennen antreten: Das ist das Konzept der Rennserie "Roborace". Diese Vision ist zwar noch nicht vollständig umgesetzt, doch erste Rennen laufen bereits. In diesem Jahr starteten die Rennen von Roborace als Teil der Elektroauto-Rennserie Formula-E mit dem sogenannten DevBot. Dieses Rennauto hat noch eine Fahrerkabine und kann sowohl von einem Rennfahrer als auch von einer Software gesteuert werden.

Auf der Rennstrecke in Berlin-Tempelhof trat ein Team der TUM-Lehrstühle für Fahrzeugtechnik und für Regelungstechnik gegen ein Team der Universität Pisa an. Gesteuert wurde das Auto über die zwei Kilometer lange Streck auf dem ehemaligen Fluggelände Berlin-Tempelhof für jedes Team zunächst von einem Fahrer und dann von der Künstlichen Intelligenz. Aus den jeweils besten Rundenzeiten beider Fahrten jedes Teams wurden die Durchschnittszeiten errechnet. Das Team der TUM erreichte mit 91,59 Sekunden eine bessere Rundenzeit als die Universität Pisa mit 95,36 Sekunden und gewann somit die Human + Machine Challenge.

Fahrtwegplanung, Umfelderkennung und optimale Geschwindigkeit

An der Software haben die Wissenschaftlerinnen und Wissenschaftler seit Januar 2018 intensiv gearbeitet. Es mussten Softwaremodule für die verschiedenen Anwendungsbereiche beim autonomen Fahren programmiert werden. So etwa für die Auswertung der GPS-Daten, die es ermöglicht, den Standort zu erkennen und den Fahrtweg grob zu planen. Die Daten aus der Kamera, dem Lidar-System, dem Radar-System und Ultraschallsensoren werden für die Modellierung des Umfeldes genutzt. So kann die Künstliche Intelligenz erkennen, wo sich eine freie Fläche befindet, auf der sich das Auto bewegen kann.

Diesen Weg dann so schnell wie möglich zurückzulegen, ist eine weitere Herausforderung. Mithilfe von Algorithmen können hunderttausende von Varianten durchgerechnet– und schließlich der optimale Pfad und die entsprechenden Geschwindigkeit ausgewählt werden. Während der Fahrt wird außerdem in Echtzeit nachgeregelt, wenn unvorhergesehene Bedingungen auftreten. Johannes Betz vom Lehrstuhl für Fahrzeugtechnik leitet das Projekt. Er erklärt: "Es finden sehr viele Rechenprozesse statt, die am Ende wieder zeitsynchron zusammenpassen müssen. Das heißt, je schneller die Berechnungen abgeschlossen sind, desto schneller kann das Auto auch um den Rundkurs fahren."

Neue Forschungsergebnisse zum autonomen Fahren

Mit dem Ergebnis bei der Formula-E ist das Team zufrieden: "Wir haben unser Hauptziel erreicht: Die Software im Fahrzeug zu implementieren und sicher um den Track zu fahren", sagt Betz. "Unser zweites Ziel war es, schnell um den Track zu fahren, was uns ebenfalls gelungen ist. Und schließlich waren wir auch schneller als das andere Team."

Neben der sportlichen Herausforderung steht für das Team der Forschungscharakter im Vordergrund. "Wir konnten während unserer Arbeit viele Ansatzpunkte identifizieren, um das Fahrzeug schneller und sicherer zu machen", erklärt Betz. "Es laufen zum Thema autonomes Fahren verschiedene Dissertationen und Forschungsprojekte mit unseren Partnern. In diesen werden viele neue Fahrzeugfunktionen entstehen, die das autonome Fahren voranbringen."

Der gesamte Prozess von der Entwicklung der Software bis zum entscheidenden Rennen wurde von einem Team des BR begleitet und dokumentiert.
www.br.de/fernsehen/ard-alpha/sendungen/campusmagazin/robo-race-autonome-auto-roboter-rennen-berlin-challenge-100.html
Die Verfügbarkeit des Inhalts ist unter Umständen zeitlich begrenzt.

Fahrzeugtechnik an der Fakultät für Maschinenwesen:
www.ftm.mw.tum.de

Regelungstechnik an der Fakultät für Maschinenwesen:
www.rt.mw.tum.de